10月21日,杭州云栖大会-技术&可持续发展论坛,注册有礼 了解详情
写点什么

自动驾驶硬件研发的挑战与展望

2020 年 5 月 08 日

自动驾驶硬件研发的挑战与展望

导读: 本次分享的主题为自动驾驶硬件研发的挑战与展望。


主要内容包括


  • Pony.ai 硬件发展简介

  • Pony.ai 硬件团队简介

  • Pony Alpha2 系统介绍

  • 自动驾驶硬件研发挑战


1. Pony.ai 硬件发展简介


Pony.ai 成立于 16 年 12 月,公司第一辆车是在 2017 年 Q2,拿到了美国加州的自动驾驶测试牌照,开始正式测试。可以看到我们当时用的还是 64 线激光雷达。2018 年 Q1,拿到了北京测试牌照,可以看到我们的雷达已经换成了 32c+多 camera 组合。2018 年 Q4,我们在上海 WAIC 世界人工智能大会上发布了公司第一个硬件 release 版本 Pony Alpha,可以看到整车的集成度和外观都进行了非常有针对性的设计。2019 年 Q2,与丰田合作改装 LEXUS RX450h。最后,是在 2019 年 Q4 发布的 Pony Alpha2 硬件系统,稍后将详细介绍。


2. Pony.ai 硬件团队介绍


Pony.ai 在北京、硅谷、广州都有研发中心,并且有车队,所以相应的在三地都有硬件团队提供本地化支持。三地之间的硬件团队经常会做技术共享,由于硬件研发本身有一定的本地化属性,所以我们是通过项目来分工合作的,同时,我们每周三地的工程师会进行充分的技术交流。


Pony.ai 硬件团队构成,包括:电子电气工程师、结构工程师、嵌入式工程师/FPGA 、车辆工程等等。


3. Pony Alpha2 系统介绍


首先介绍下自动驾驶汽车硬件系统,如上图所示,主要分三个部分:


① sensor 传感器,相当于车辆的“眼睛”,包括:雷达,Camera,GPS+IMU 等。


② compute 计算单元,相当于车辆的“大脑”,主要放在后备箱。


③ vehicle 车辆本身,是最大的硬件系统,相当于车辆的“肌肉”。



这是我们在 2019 年 Q4 发布的 Pony Alpha2 硬件系统,最新的进展包括:


① 传感器配置升级:出于成本和国产化的考虑,主 lidar 使用了 Hesai64 线激光雷达。


② 传感器清洁系统:特别针对雨天,自主研发传感器清洁系统。


③ DBW 线控:过去一度被 Autonomous Stuff 垄断 目前 pony 已经具有不同车型的线控改装技术,并能够独立进行控制参数调优。


④ 线束:深入改装车辆系统,自主研发与定制的线束。


⑤ 集成度进一步提升:通过自研硬件设备,使得设备间连接线束减少,集成度和稳定性显著提高。


⑥ 后备箱空间可用:高度集成节省了空间,后备箱有大量富裕空间供 robotaxi 乘客使用放置行李。


4.自动驾驶硬件研发挑战

① 成本



硬件系统首先面临的 最大挑战 就是 成本 。我们看以看到右图是 pony alpha 系统的车顶,有 3 个激光雷达,6 个高清摄像头,还有定位模块等,传感器+定位系统成本高达几十万 RMB。所以,如果成本这么高,如何实现自动驾驶的批量生产?何时才能服务大众?


Pony 进行的尝试和探索:


  • 自研硬件实现定制化与降成本:自研的好处就是可以把有用的模块留下,把没用的模块去掉,就可以直接降低成本。如:车顶传感器与导航信息处理单元,实现供电,信号分发,数据汇聚,数据预处理等功能。支持多种卫星导航与惯性导航单元,实现不同成本的定位性能组合。

  • 通过几代的迭代,车顶传感器系统经历了从成品采购->模块级集成->芯片级集成的升级。



  • 与行业一起发展:参考 Bosch radar 的发展路径。随着 radar 的蓬勃发展,由开始的机械扫描,变成电子扫描,集成度和稳定性在不断的提高,使 radar 的体积和成本都在不断的缩小和降低。

  • 我们已经与丰田进行深入合作,包括还有广汽。通过与 OEM 合作,逐步向前装发展,借助主机厂的力量,获得更强的议价能力。


② 功耗/散热



功耗和散热问题,简单理解就是 电从哪里来?热到哪里去?


  • 常见车载 ECU 的功耗在 10W 量级

  • 现有无人车由于需要高性能计算(CPU+GPU),功耗通常>1000W


Pony 内部进行的尝试和探索:


  • 供电方案的优化:pony 自主研发的供电系统,冗余供电,低压与高压结合,可以实现双路备份。

  • 异构计算:刚刚说到,我们内部有 FPGA 团队,可以对成熟的算法进行加速,速度提升的同时,降低功耗。当然,业界也有专用芯片的方案可以考虑。

  • 散热仿真与方案设计:我们的团队内部还有散热工程师,会针对我们系统的状态,构造各种环境,进行仿真验证、温箱测试、实车测量,保证系统的热量能够及时稳定的传输出去。


③ 快速迭代



右图是典型的汽车研发流程图,一辆汽车的研发大概会经历 2 年时间。但是对于我们,从 2017 年 Q2 到 2018 年 Q4,大概 1 年半的时间内,我们已经迭代了 3 代的硬件产品。并不是我们追求快,而是技术和行业的发展趋势如此:


  • 技术变化快,供应链变化:如刚刚提到的激光雷达的变化,已经不是传统 64 线激光雷达的时代,激光雷达的线束越来越高,体积越来越小,我们必须要跟上变化。

  • 行业变化快,合作模式探索:Pony 有和不同的 OEM(丰田,现代,广汽)以及出行公司开展合作。这要求我们必须具备快速应变,灵活调整的能力。


Pony 进行的尝试和探索:


  • 全栈团队,自力更生:除了硬件研发团队,我们还有来自车厂试制部门的现场工程师,擅长跑车改装的机械技师,自己的试制车间等等,使我们具备基本的生产加工能力。

  • 简化流程,大胆试错:研发初期追求速度,与车厂的研发流程相比,Pony 内部的设计评审流程相对简单。因为公司内部有众多优秀的人才,我们相信工程师自己的判断,当然,这个前提是基于我们的系统是在不断的快速更新迭代的。

  • 前瞻设计,预留资源:比如预留空间,电量,安装点等。


④ 量产



目前全球汽车保有量在 10 亿以上,全球无人驾驶汽车总量无法找到数据,只能预估下,大概在万级别,所以差距还是非常大的。曾经有人统计无人驾驶带来的效率提升,粗略的估计是 95%,如果替代国内的 2 亿辆汽车,需要一千万无人驾驶车辆。所以现在离自动驾驶汽车量产还有很大的一段距离,右图来自网络,大概是前几年的照片,就很形象的解释了量产。虽然现在很多自动驾驶汽车已经过了 demo 的阶段,但是这个问题还是存在的。


Pony 进行的尝试和探索:


  • 设计工艺的选择:以最典型的结构设计为例,最开始我们第一辆车,所有的结构件都是通过 CNC 做出来的,随着规模增大以后,就会去尝试鈑金、铸模等工艺。

  • 传感器标定优化:以 Camera 标定为例,我们有一套全自动化的 Camera 内参标定平台,可以实现 Camera 从安装->标定过程->内参保存->处理->上传,都是全自动化的。

  • 生产管理和质量管控:由于目前自动驾驶车辆还是几百上千的级别,主要还是采用人工进行整体的装配和调试。人工难免出错,所以我们内部会通过一些流程:如制度、文档、信息化系统,对生产管理和质量管控进行了大量的优化,来保证车辆的质量是过关的。


⑤ 复杂道路情况



最后,再介绍下复杂路况。右上角是国内典型的十字路口,目前大部分的自动驾驶公司应该还处理不了这种场景。对于 Pony,随着场景不断丰富,对无人车硬件的要求不断增多。比如传感器的配置,我们也经历了摸石头过河,循序渐进的过程。Waymo 为什么选择在凤凰城开展无人驾驶测试,相当程度上也是考虑到那里的空气干燥,常年晴天,极少雨雪。解决这些极端气候问题,需要更长期的技术迭代优化,短期内这些可能并不是最迫切的,我们也相信随着技术的发展这些难题也都会逐步得到解决。


今天的分享就到这里,谢谢大家。


作者介绍


李林涛,Pony.ai 北京硬件研发团队负责人


本文来自 DataFunTalk


原文链接


https://mp.weixin.qq.com/s?__biz=MzU1NTMyOTI4Mw==&mid=2247499368&idx=2&sn=585bb5e401a9502ab753b2e1762d0467&chksm=fbd74c04cca0c51245c79e46fa907d9160780cfc3070d3fa76469841529a93261e86f9eb9513&scene=27#wechat_redirect


2020 年 5 月 08 日 10:061373

评论

发布
暂无评论
发现更多内容

Vue&SpringBoot前后端项目分离构建

夏悸

Spring Boot Vue 前端

9种 分布式ID生成方案,我替你整理好了

程序员内点事

Java MySQL 分布式

Java技术奇迹

ATGU:阿宝哥

C#和TS的范型实例化

猫定谔的靴

C# typescript 泛型

从SDL到DevSecOps:始终贯穿开发生命周期的安全

Fooying

DevOps SDL DevSecOps 安全开发 软件开发生命周期

前端开发必备工具箱

LeanCloud

CSS 性能优化 前端 vscode 工具

Dubbo Cluster集群那点你不知道的事。

why技术

源码 面试 dubbo 集群容错

程序员未来会成为非常内卷的职业?

非著名程序员

程序员 程序人生 职业 职业规划

为什么你在群里的提的技术问题没人回答?

古时的风筝

程序员 提问的艺术

面试官为什么喜欢拿 Kafka 考验求职者

奈学教育

kafka

架构师训练营 - Lesson Week 1

brave heart

极客大学架构师训练营

createRef、useRef、useMemo对比分析和应用场景

费马

React Hooks useRef useMemo createRef

《Oracle Java SE编程自学与面试指南》最佳学习路线图(2020最新版)

ATGU:阿宝哥

分布式系统技术:存储之数据库

奈学教育

分布式

人人都能看懂的 6 种限流实现方案!(纯干货)

王磊

Java 「Java 25周年」 Java 25 周年

原创 | TDD工具集:JUnit、AssertJ和Mockito (十八)编写测试-测试执行顺序\嵌套的测试

编程道与术

Java 编程 TDD 单元测试 JUnit

PlantUML 的介绍和使用

Puran

UML PlantUML

实时更新:计算机编程语言排行榜—TIOBE世界编程语言排行榜(2020年6月份最新版)

ATGU:阿宝哥

27岁了,程序员写给自己的一封信

学习Java的小姐姐

程序员 生活 总结 程序媛 职场回顾

装饰模式——看JDK和Spring是如何杜绝继承滥用的

海星

Java spring jdk 面试 设计模式

绝对坦诚:打造团队自我进化能力的最佳姿势

伴鱼技术团队

团队管理 企业文化 团队协作 技术管理 文化

Elasticsearch-Base

lee

elasticsearch search 搜索

存储让“想象”势不可挡

焱融科技

《龙教授私享会职场沟通心法》最佳学习路线(2020最新版)

ATGU:阿宝哥

ARTS打卡-02

Geek_yansheng25

ChaosBlade:从零开始的混沌工程(一)

郭旭东

云原生 混沌工程

cpu分析利器 — async-profiler

捉虫大师

Java cpu profiler

厉害了,SpaceX-API 开源了

非著名程序员

GitHub 开源 程序员

读《平凡的世界》

YoungZY

读书

从技术思维角度聊一聊『程序员』摆地摊的正确姿势

牧码哥

随笔杂谈 技术人生 经验分享

关于Synchronized锁升级,你该了解这些

学习Java的小姐姐

并发编程 synchronized 轻量级锁 偏向锁 重量级锁

数据cool谈(第1期)数据库寻路,开源有态度

数据cool谈(第1期)数据库寻路,开源有态度

自动驾驶硬件研发的挑战与展望-InfoQ